在 Intel GPU 上使用 IPEX-LLM 的本地 BGE 嵌入
IPEX-LLM 是一个用于在 Intel CPU 和 GPU（例如，带有 iGPU 的本地 PC、离散 GPU，如 Arc、Flex 和 Max）上以极低延迟运行 LLM 的 PyTorch 库。
本示例介绍了如何使用 LangChain 在 Intel GPU 上通过 ipex-llm 优化执行嵌入任务。这对于 RAG、文档问答等应用将非常有帮助。
注意
建议仅让使用 Intel Arc A 系列 GPU（不包括 Intel Arc A300 系列或 Pro A60）的 Windows 用户直接运行此 Jupyter notebook。对于其他情况（例如，Linux 用户、Intel iGPU 等），建议在终端中使用 Python 脚本运行代码，以获得最佳体验。
安装前提条件
为了在Intel GPU上使用IPEX-LLM，有几个工具安装和环境准备的前提步骤。
如果您是Windows用户，请访问在Windows上安装带Intel GPU的IPEX-LLM指南，并按照安装前提条件更新GPU驱动程序（可选）并安装Conda。
如果您是Linux用户，请访问在Linux上安装带Intel GPU的IPEX-LLM，并按照安装前提条件安装GPU驱动程序，Intel® oneAPI基础工具包2024.0和Conda。
设置
在安装完先决条件后，您应该已经创建了一个包含所有先决条件的 conda 环境。在该 conda 环境中启动 jupyter 服务：
%pip install -qU langchain langchain-community
安装 IPEX-LLM 以优化 Intel GPU，以及 sentence-transformers。
%pip install --pre --upgrade ipex-llm[xpu] --extra-index-url https://pytorch-extension.intel.com/release-whl/stable/xpu/us/
%pip install sentence-transformers
注意
您也可以使用
https://pytorch-extension.intel.com/release-whl/stable/xpu/cn/作为额外索引 URL。
运行时配置
为了获得最佳性能，建议根据您的设备设置几个环境变量：
针对使用 Intel Core Ultra 集成 GPU 的 Windows 用户
import os
os.environ["SYCL_CACHE_PERSISTENT"] = "1"
os.environ["BIGDL_LLM_XMX_DISABLED"] = "1"
对于使用 Intel Arc A 系列 GPU 的 Windows 用户
import os
os.environ["SYCL_CACHE_PERSISTENT"] = "1"
注意
每个模型第一次在 Intel iGPU/Intel Arc A300 系列或 Pro A60 上运行时，可能需要几分钟进行编译。
基本用法
在初始化 IpexLLMBgeEmbeddings 时，将 model_kwargs 中的 device 设置为 "xpu" 将使嵌入模型运行在 Intel GPU 上，并受益于 IPEX-LLM 的优化：
from langchain_community.embeddings import IpexLLMBgeEmbeddings
embedding_model = IpexLLMBgeEmbeddings(
model_name="BAAI/bge-large-en-v1.5",
model_kwargs={"device": "xpu"},
encode_kwargs={"normalize_embeddings": True},
)
API 参考
sentence = "IPEX-LLM is a PyTorch library for running LLM on Intel CPU and GPU (e.g., local PC with iGPU, discrete GPU such as Arc, Flex and Max) with very low latency."
query = "What is IPEX-LLM?"
text_embeddings = embedding_model.embed_documents([sentence, query])
print(f"text_embeddings[0][:10]: {text_embeddings[0][:10]}")
print(f"text_embeddings[1][:10]: {text_embeddings[1][:10]}")
query_embedding = embedding_model.embed_query(query)
print(f"query_embedding[:10]: {query_embedding[:10]}")